En un proceso laberíntico logramos obtener las bases de datos que contenían las categorías de pobreza que coincidían con las tablas oficiales de corrección retroactiva de la Casen
Lectura de bases de datos Casen
direccion <- switch(2,"C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/","C:/Users/chris/OneDrive/Documentos/archivos_grandes/")
dataset_06 <<- readRDS(paste0(direccion,"casen_2006_c.rds"))
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)
dataset_09 <<- readRDS(paste0(direccion,"casen_2009_c.rds"))
dataset_09 <- mutate_if(dataset_09, is.factor, as.character)
dataset_11 <<- readRDS(paste0(direccion,"casen_2011_c.rds"))
dataset_11 <- mutate_if(dataset_11, is.factor, as.character)
dataset_13 <<- readRDS(paste0(direccion,"casen_2013_c.rds"))
dataset_13 <- mutate_if(dataset_13, is.factor, as.character)
dataset_15 <<- readRDS(paste0(direccion,"casen_2015_c.rds"))
dataset_15 <- mutate_if(dataset_15, is.factor, as.character)
dataset_17 <<- readRDS(paste0(direccion,"casen_2017_c.rds"))
dataset_17 <- mutate_if(dataset_17, is.factor, as.character)
dataset_20 <<- readRDS(paste0(direccion,"casen_2020_e1.rds"))
dataset_20 <- mutate_if(dataset_20, is.factor, as.character)Base de datos Complementaria de Ingresos Nueva Metodología Casen 2006 SPSS
dataset_06$clave <- paste0(dataset_06$SEG,dataset_06$O,dataset_06$F)
MN_2006 <- read.spss("C:/Users/chris/OneDrive/Documentos/archivos_grandes/Ingresos MN 2006.sav", to.data.frame = TRUE)
MN_2006$clave <- paste0(MN_2006$seg,MN_2006$o,MN_2006$f)
MN_2006_2 <- MN_2006[,c("clave","pobreza_MN")]
dataset_06 <- merge(x= dataset_06, y= MN_2006_2, by="clave")
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)Base de datos Complementaria de Ingresos Nueva Metodología Casen 2009 SPSS
dataset_09$clave <- paste0(dataset_09$SEGMENTO,dataset_09$IDVIV,dataset_09$HOGAR,dataset_09$O)
MN_2009 <- read.spss("C:/Users/chris/OneDrive/Documentos/archivos_grandes/Ingresos MN 2009.sav", to.data.frame = TRUE)
MN_2009$clave <- paste0(MN_2009$SEGMENTO,MN_2009$IDVIV,MN_2009$HOGAR,MN_2009$O)
MN_2009_2 <- MN_2009[,c("clave","pobreza_MN")]
dataset_09 <- merge(x= dataset_09, y= MN_2009_2, by="clave")
dataset_09 <- mutate_if(dataset_09, is.factor, as.character) Base Complementaria Ingresos Nueva Metodología Casen 2011 (submuestra noviembre 2011-enero 2012) (Base 2011 utilizada para estimaciones de serie Casen) SPSS
dataset_11$clave <- paste0(dataset_11$folio,dataset_11$o)
MN_2011 <- read.spss("C:/Users/chris/OneDrive/Documentos/archivos_grandes/Ingresos MN 2011.sav", to.data.frame = TRUE)
MN_2011$clave <- paste0(MN_2011$folio,MN_2011$o )
MN_2011_2 <- MN_2011[,c("clave","pobreza_MN")]
dataset_11 <- merge(x= dataset_11, y= MN_2011_2, by="clave")
dataset_11 <- mutate_if(dataset_11, is.factor, as.character) Base de Datos Complementaria Ingresos Metodología Tradicional Casen 2013 STATA
dataset_13$clave <- paste0(dataset_13$folio,dataset_13$o)
MN_2013 <- as.data.frame(read_dta("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2013_ymt.dta"))
MN_2013$clave <- paste0(MN_2013$folio,MN_2013$o )
MN_2013_2 <- MN_2013[,c("clave","pobreza_mt")]
dataset_13 <- merge(x= dataset_13, y= MN_2013_2, by="clave")
dataset_13 <- mutate_if(dataset_13, is.factor, as.character) http://observatorio.ministeriodesarrollosocial.gob.cl/encuesta-casen-2013
1 Homologación de pobreza
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "No pobres"] <- "No pobre"
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "No pobres"] <- "No pobre"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "No pobres"] <- "No pobre"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "No pobres"] <- "No pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"
dataset_15$pobreza[dataset_15$pobreza == "No pobres"] <- "No pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres extremos"] <- "Pobre extremo"
dataset_17$pobreza[dataset_17$pobreza == "No pobres"] <- "No pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres extremos"] <- "Pobre extremo"
dataset_20$pobreza[dataset_20$pobreza == "No pobres"] <- "No pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres extremos"] <- "Pobre extremo"2 Generación de tablas de contingencia
df_tablas <- data.frame()
funcion1 <- function(n){
xx<-switch(n,"2006","2009","2011","2013","2015","2017","2020")
tanio <<- xx
if(xx==2006) {
eliminated <- dataset_06
a <- eliminated$pobreza_MN
b <- eliminated$COMUNA
anio <- 2006
}
if(xx==2009) {
eliminated <- dataset_09
a <- eliminated$pobreza_MN
b <- eliminated$COMUNA
anio <- 2009
}
if(xx==2011) {
eliminated <- dataset_11
a <- eliminated$pobreza_MN
b <- eliminated$comuna
anio <- 2011
}
if(xx==2013) {
eliminated <- dataset_13
a <- eliminated$pobreza_MN
b <- eliminated$comuna
anio <- 2013
}
if(xx==2015) {
eliminated <- dataset_15
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2015
}
if(xx==2017) {
eliminated <- dataset_17
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2017
}
if(xx==2020) {
eliminated <-dataset_20
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2020
}
################ -- frecuencia
expan<-switch(n,"EXPC","EXPC","expc_full","expc","expc_todas","expc","expc")
tabla_matp <-xtabs(eliminated[,(expan)]~a+b, data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
df <- tabla_matp
df <- df[complete.cases(df), ]
################
names(df)[1] <- "Pobreza"
names(df)[2] <- "Comuna"
df$Año = anio
direc_cod_com <- paste0("C:/Users/chris/OneDrive/Documentos/archivos_grandes/codigos_comunales_2006-2020.rds")
codigos_comunales <- readRDS(file = direc_cod_com)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df2 <<- tabla_df
}
data_df3 <- data.frame()
for (n in 1:7){
funcion1(n)
data_df3 <- rbind(data_df3,tabla_df2)
assign(paste0("tabla_etnia_",tanio),data_df3)
data_df3 <- data.frame()
print(paste0("tabla_etnia_",tanio))
}## [1] "tabla_etnia_2006"
## [1] "tabla_etnia_2009"
## [1] "tabla_etnia_2011"
## [1] "tabla_etnia_2013"
## [1] "tabla_etnia_2015"
## [1] "tabla_etnia_2017"
## [1] "tabla_etnia_2020"
data_df3 <- rbind(tabla_etnia_2006,tabla_etnia_2009,tabla_etnia_2011,tabla_etnia_2013,tabla_etnia_2015,tabla_etnia_2017,tabla_etnia_2020)
##############
datatable(data_df3, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_etnia_pobreza'),
list(extend='pdf',
filename= 'tabla_etnia_pobreza')),
text = 'Download')), scrollX = TRUE))3 No pobre
df1 <- filter(data_df3, Pobreza == "No pobre", Año == 2006 )
df2 <- filter(data_df3, Pobreza == "No pobre", Año == 2009 )
df3 <- filter(data_df3, Pobreza == "No pobre", Año == 2011 )
df4 <- filter(data_df3, Pobreza == "No pobre", Año == 2013 )
df5 <- filter(data_df3, Pobreza == "No pobre", Año == 2015 )
df6 <- filter(data_df3, Pobreza == "No pobre", Año == 2017 )
df7 <- filter(data_df3, Pobreza == "No pobre", Año == 2020 )
names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")
df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
p <- plot_ly(df8, width = 1200, x = ~Comuna, y = ~Freq1, name = 'No pobre 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'No pobre 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'No pobre 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'No pobre 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'No pobre 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'No pobre 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'No pobre 2020', mode = 'markers')
p 4 Pobre
df1 <- filter(data_df3, Pobreza == "Pobre", Año == 2006 )
df2 <- filter(data_df3, Pobreza == "Pobre", Año == 2009 )
df3 <- filter(data_df3, Pobreza == "Pobre", Año == 2011 )
df4 <- filter(data_df3, Pobreza == "Pobre", Año == 2013 )
df5 <- filter(data_df3, Pobreza == "Pobre", Año == 2015 )
df6 <- filter(data_df3, Pobreza == "Pobre", Año == 2017 )
df7 <- filter(data_df3, Pobreza == "Pobre", Año == 2020 )
names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")
df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
p <- plot_ly(df8, width = 1200, x = ~Comuna, y = ~Freq1, name = 'Pobre 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'Pobre 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'Pobre 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'Pobre 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'Pobre 2020', mode = 'markers')
p5 Pobre extremo
df1 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2006 )
df2 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2009 )
df3 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2011 )
df4 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2013 )
df5 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2015 )
df6 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2017 )
df7 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2020 )
names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")
df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
p <- plot_ly(df8, width = 1200, x = ~Comuna, y = ~Freq1, name = 'Pobre extremo 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'Pobre extremo 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre extremo 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre extremo 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'Pobre extremo 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'Pobre extremo 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'Pobre extremo 2020', mode = 'markers')
p6 Porcentaje de pobreza por comuna
recptaculo <- data.frame()
for (j in unique(data_df3$Código)) {
for (i in c("2006","2009","2011","2013","2015","2017","2020")) {
tb1 <- filter(data_df3, Año == i, Código == j)
tb1$porcentaje_pobreza <- (tb1$Freq*100)/sum(tb1$Freq)
tb1 <- tb1[,c(1,5,2,3,6,4)]
recptaculo <- rbind(recptaculo,tb1)
}
}
datatable(recptaculo, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'hitStats'),
list(extend='pdf',
filename= 'hitStats')),
text = 'Download')), scrollX = TRUE))%>%
formatStyle(
'porcentaje_pobreza',
background = styleColorBar(tb1$porcentaje_pobreza, 'steelblue'),
backgroundSize = '100% 90%',
backgroundRepeat = 'no-repeat',
backgroundPosition = 'center'
)7 Cambio de formato a la tabla
df1 <- filter(recptaculo, Pobreza == "No pobre", Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "No pobre", Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "No pobre", Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "No pobre", Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "No pobre", Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "No pobre", Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "No pobre", Año == 2020 )
names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb1<- mutate_if(df8, is.factor, as.character)
df1 <- filter(recptaculo, Pobreza == "Pobre", Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "Pobre", Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "Pobre", Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "Pobre", Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "Pobre", Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "Pobre", Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "Pobre", Año == 2020 )
names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb2<- mutate_if(df8, is.factor, as.character)
df1 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2020 )
names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb3<- mutate_if(df8, is.factor, as.character)
tabla_madre <- rbind(tb1,tb2,tb3)
datatable(tabla_madre, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'hitStats'),
list(extend='pdf',
filename= 'hitStats')),
text = 'Download')), scrollX = TRUE))8 Aplicamos la interpolación
receptaculo3 <- receptaculo2[,1]9 No pobres
fn_grafico <- function(m){
p <- p %>% add_lines(y = ~pob1[,m], name = paste0('No pobre ',colnames(pob1)[m]), mode = 'markers')
p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "No pobre")
p <- plot_ly(pob1, width = 1200, x = ~Comuna, y = ~p2006, name = 'No pobre 2006', mode = 'markers') %>% add_lines()
for (m in 5:18) {
fn_grafico(m)
}
p10 Pobres
fn_grafico <- function(m){
p <- p %>% add_lines(y = ~pob1[,m], name = paste0('Pobre ',colnames(pob1)[m]), mode = 'markers')
p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "Pobre")
p <- plot_ly(pob1, width = 1200, x = ~Comuna, y = ~p2006, name = 'Pobre 2006', mode = 'markers') %>% add_lines()
for (m in 5:18) {
fn_grafico(m)
}
p11 Pobres extremos
fn_grafico <- function(m){
p <- p %>% add_lines(y = ~pob1[,m], name = paste0('Pobre extremo ',colnames(pob1)[m]), mode = 'markers')
p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "Pobre extremo")
p <- plot_ly(pob1, width = 1200, x = ~Comuna, y = ~p2006, name = 'Pobre extremo 2006', mode = 'markers') %>% add_lines()
for (m in 5:18) {
fn_grafico(m)
}
p